Im März 2016 schlug eine Maschine einen der weltbesten Go-Spieler. Das Match wurde zum Wendepunkt für die KI. Ein Zug blieb besonders haften, der 37., und prägt bis heute, wie wir über die Eigenständigkeit von Maschinen denken.
Was geschah im AlphaGo-Match?
DeepMinds AlphaGo trat im März 2016 in Seoul gegen den südkoreanischen Großmeister Lee Sedol an, über fünf Partien. AlphaGo gewann 4 zu 1. Go hat mehr mögliche Stellungen als das Universum Atome, und Menschen hatten seine Strategie über rund 3.000 Jahre verfeinert. Dass eine Maschine die Spitze dieses Spiels erreichte, kam Jahre früher als von den meisten Experten erwartet.
Warum Zug 37 die Experten verblüffte
In der zweiten Partie setzte AlphaGo seinen 37. Zug auf die fünfte Linie, weit weg von dem Punkt, wohin die Tradition einen Stein zu diesem Zeitpunkt gelegt hätte. Kommentatoren hielten ihn zuerst für einen Fehler. Der Zug erwies sich als brillant und half AlphaGo zum Sieg in dieser Partie. Er zeigte, dass ein mit Reinforcement Learning trainiertes System Ideen jenseits des menschlichen Repertoires findet, über die gelernten Daten hinaus.
Was AlphaGo über die heutige KI lehrt
Die Lektion lässt sich auf Unternehmen übertragen. In einem Feld mit klaren Regeln und guten Daten findet KI Optionen, die ein Mensch verwerfen würde. Der Haken liegt im Aufbau. AlphaGo funktionierte, weil das Problem scharf umrissen war und die Rückmeldung sofort kam. Den meisten Geschäftsproblemen fehlt diese Klarheit. Deshalb zeigt sich dieselbe Brillanz in einem vagen, offenen Projekt nur selten.
Wie man die AlphaGo-Lektion anwendet
Wähle ein Problem mit klaren Regeln und einem messbaren Ergebnis. Gib der KI saubere Daten und eine eng gefasste Frage. Lass sie Vorschläge machen und behalte einen Menschen für das Urteil. Lee Sedol gewann eine einzelne Partie mit seinem eigenen Zug 78. Das erinnert daran, dass die stärksten Aufbauten maschinelle Suche und menschliches Urteil verbinden.
Weiterführende Artikel
Diese Beiträge helfen bei der nächsten Entscheidung.
- Ist KI-Superintelligenz realistisch? Ein nüchterner Blick
- KI-Agenten verstehen: Einblicke aus der Praxis
- Stanford: KI-Produktivität steigern, was wirklich zählt
Wer gewann das AlphaGo-Match?
AlphaGo von DeepMind gewann im März 2016 in Seoul mit 4 zu 1 gegen Lee Sedol. Die einzige Partie für den Menschen holte Lee Sedol mit seinem berühmten Zug 78.
Was war an Zug 37 besonders?
AlphaGo setzte den Stein auf die fünfte Linie, wo die Go-Tradition zu diesem Zeitpunkt keinen Stein erwartet. Kommentatoren hielten ihn für einen Fehler. Er erwies sich als entscheidend.
Was lehrt AlphaGo über KI im Unternehmen?
In einem Feld mit klaren Regeln und guten Daten findet KI ungewöhnliche, gute Optionen. Den meisten Geschäftsproblemen fehlt diese Klarheit. Deshalb braucht es einen scharf umrissenen Use-Case.
Kann KI wirklich Neues erfinden?
In klar definierten Domänen ja. AlphaGo fand Züge jenseits des menschlichen Repertoires. Außerhalb solcher Domänen bleibt der Mensch für Urteil und Auswahl zuständig.